BAB I

PENDAHULUAN

1.1 Latar Belakang

Leukemia atau yang sering disebut juga sebagai kanker darah merupakan
sebuah penyakit kanker yang menyerang sel-sel darah putih yang terbentuk di
dalam sumsum tulang. Pada kondisi normal, sel-sel darah putih akan berkembang
secara teratur di saat tubuh membutuhkannya untuk memberantas infeksi yang
muncul. Hal ini bebeda dengan penderita leukemia. Sumsum tulang memproduksi
sel-sel darah putih yang tidak normal secara berlebihan. Jumlah produksi sel darah
putih yang berlebihan mengakibatkan penumpukan dalam sumsum tulang sehingga
sel-sel darah yang sehat akan berkurang (Leukemia & Lymphoma Society, 2012).
Sebuah sistematika pengklasifikasian penyakit hematologis French-
American-British (FAB) membagi leukemia ke dalam 4 tipe berdasarkan sel
pembentuknya dan kecepatan perkembangbiakan sel, yakni Acute Myeloid
Leukemia (AML), Acute Lymphocytic Leukemia (ALL), Chronic Myeloid Leukemia
(CML) dan Chronic Lymphocytic Leukemia (CLL) (American Cancer Society,
2014). Selanjutnya FAB membagi AML ke dalam 8 subtipe berdasarkan ciri
morfologi, presentase jumlah sel blast, perhitungan derajat maturasi / tingkat
kematangan sel dan garis keturunan dari sel blast. Kedelapan subtipe AML tersebut
yakni M0, M1, M2, M3, M4, M5, M6, M7 (Hamid. 2011). Adapun subtipe M1
(Myeloblastic Leukemia dengan sedikit maturasi), M2 (Myeloblastic Leukemia
dengan maturasi) dan M3 (Acute Promyelocytic Leukemia) berasal dari induk sel
blast yang sama, yakni myeloblast. Ketiga subtipe tersebut memiliki morfologi sel
yang hampir sama sehingga memerlukan analisis yang lebih mendetail untuk dapat
membedakannya (Bell dan Sallah, 2005). Maka dari itu, teknik pengolahan citra
akan diterapkan untuk melakukan segmentasi sel myeloblast yang terdapat pada
citra mikroskopis darah bone marrow untuk kemudian dapat diidentifikasi subtipe
AML berdasarkan pada ciri masing-masing.
Secara umum leukemia dapat dideteksi dengan menghitung seluruh
jumlah sel darah kemudian melakukan perbandingan jumlah sel darah putih dan sel
darah merah melalui mikroskop berdasarkan morfologi oleh hematologis. Namun

1
 2

demikian, prosedur perhitungan sel darah dengan mikroskop ini cukup memakan
waktu dan melelahkan. (Kasmin et al., 2012). Putsu dan Ruberto menambahkan
bahwa inspeksi citra mikroskopis darah bone marrow ini juga memiliki hasil yang
beragam dan tidak memiliki standar yang jelas, hal ini dikarenakan proses tersebut
sangat bergantung pada keahlian dari hematologis (Putsu dan Ruberto, 2013).
Adapun teknik lain yang digunakan untuk menghitung jumlah sel darah seperti
immunophenotyping, flowcytometer dan molecular probing juga masih digunakan
sebagai standar diagnosa leukemia. Namun demikian, Patil dan Raskar berpendapat
teknik tersebut dinilai masih tergolong relatif memakan banyak biaya. Dari
permasalahan tersebut dapat diatasi salah satunya yakni dengan menggunakan
perpaduan pengolahan citra dan artificial neural network untuk melakukan
diagnosa leukemia (Patil dan Raskar , 2015).
Beragam metode dan algoritma telah diusulkan dalam berbagai penelitian
terkait identifikasi sel darah. Salah satunya adalah penelitian yang dilakukan oleh
Abidin, yakni pemanfaatan teknik segmentasi active contour without edge untuk
mendeteksi keberadaan kandidat parasit malaria dari citra mikroskopis apusan tebal
darah (Abidin et al., 2016). Penelitian lainnya yakni perpaduan seed region growing
segmentation dan momentum backpropagation untuk klasifikasi lima jenis sel darah
putih yang dilakukan oleh Pradana dan rekan-rekan (Pradana, et al. 2013).
Penelitian terkait deteksi leukemia jenis ALL dan AML M3 berdasarkan fitur
morfologi citra sel darah putih (area sel, rasio nukleus dan rasio granula) dengan
Fuzzy Rule Based juga dilakukan oleh Suryani, Wiharto, Polvonov (Suryani et al.,
2014a).
Mengacu pada penelitian yang telah dijabarkan, usulan penelitian yang
akan dilakukan saat ini adalah melakukan klasifikasi subtipe leukemia AML : M1,
M2, dan M3 dengan menggabungkan proses segmentasi active contour without
edge untuk sel darah putih dalam citra mikroskopik darah dan artificial neural
network dengan algoritma momentum backpropagation berdasarkan morfologi sel
darah putih. Penulis berekspektasi bahwa perpaduan metodologi pengolahan citra
dan artificial neural network nanti akan dapat diperoleh derajat akurasi yang lebih
tinggi dibandingkan penelitian sebelumnya.
 3

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah yang telah dijelaskan sebelumnya,
maka rumusan masalah pada penelitian ini adalah bagaimana melakukan
segmentasi objek sel darah putih dari citra mikroskopik leukemia dengan operasi
pengolahan citra dan metode segmentasi active contour without edge serta
mengklasifikasikannya ke dalam subtipe AML: M1, M2 dan M3 dengan
menggunakan momentum backpropagation.

1.3 Batasan Penelitian

Batasan masalah diperlukan dalam penelitian ini agar tidak menyimpang
dari tujuan dan rumusan masalah. Oleh karena itu batasan penelitian dibatasi pada:
1. Citra sel darah putih berformat JPG yang diambil dari tiga buah preparat.
2. Ukuran perbesaran mikroskopik dan ukuran piksel citra yang digunakan
pada setiap akuisisi data citra selalu sama.
3. Citra yang diambil menggunakan kamera digital terdapat sedikit bayangan
pada tepi citra karena bias lensa okuler.
4. Model pewarnaan (staining) yang digunakan pada ketiga preparat adalah
pewarnaan Wright dengan tingkat kecerahan yang berbeda.
5. Tipe sel yang digunakan untuk identifikasi subtipe AML ada empat, yakni:
myeloblast, promyelosit, monoblast dan support.
6. Karakteristik fitur yang akan digunakan sebagai data input dalam pelatihan
artificial neural network ada enam buah, yakni luas area sel, tepi sel
kebundaran, rasio nukleus, mean dan standar deviasi.

1.4 Tujuan Penelitian

Melalui penelitian ini, tujuan yang hendak disampaikan adalah melakukan
segmentasi objek sel darah putih dari citra mikroskopik leukemia dengan operasi
pengolahan citra dan metode segmentasi active contour without edge serta
mengklasifikasikannya ke dalam subtipe AML: M1, M2 dan M3 dengan
menggunakan momentum backpropagation.
 4

1.5 Manfaat Penelitian

Manfaat yang dapat ditelaah dari penelitian ini yakni untuk mempercepat
kinerja para hematologis dalam melakukan klasifikasi subtipe AML sehingga
pasien pengidap penyakit tersebut dapat segera diberikan perawatan sesuai dengan
subtype AML yang diderita.

1.6 Keaslian Penelitian

Penelitian terkait deteksi leukemia sebelumnya telah banyak dilakukan
dengan memanfaatkan berbagai metode dan algoritma. Seperti penelitian yang
dilakukan oleh Suryani dan rekan-rekan (Suryani et al., 2014a) yang melakukan
klasifikasi subtipe ALL: L1, L2 dan L3 dan AML: M3 dengan menggunakan Fuzzy
Rule Based. Penelitian ini kemudian dilanjutkan oleh beliau (Suryani et al., 2014b)
untuk deteksi AML: M2 dan M4. Akan tetapi penelitian masih menggunakan Fuzzy
Rule Based dengan fitur yang sama, yakni diameter WBC, rasio nucleus dan
sitoplasma, serta kebundaran nukleus.
Pemanfaatan pengolahan citra dan artificial neural network juga sudah
diterapkan pada deteksi sel dalam citra mikroskropis darah. Salah satunya adalah
penelitian oleh Pradana dan rekan-rekan (Pradana et al., 2013) yang
menggabungkan metode segmentasi seed region growing dengan momentum
backpropagation untuk mendeteksi kelima buah jenis sel darah putih. Demikian
juga dengan Abidin dan rekan-rekan yang menggunakan active contour without
edge untuk mendeteksi adanya kandidat parasit malaria dalam darah. Oleh karena
itu, sangat dimungkinkan jika active contour without edge dan momentum
backpropagation dapat dipadukan untuk melakukan klasifikasi penyakit acute
myeloid leukemia ke dalam subtipe M1, M2 dan M3 sehingga penulis mengusulkan
penelitian ini dengan judul “Klasifikasi Subtipe Penyakit Acute Myeloid Leukemia
M1, M2 Dan M3 dengan segmentasi Active Contour Without Edge Dan Momentum
Backpropagation Artificial Neural Network”.
Penelitian yang dilakukan saat ini dititikberatkan pada klasifikasi subtipe
AML: M1, M2 dan M3 yang notabenenya memiliki karakteristik berdasarkan
morfologi dan presentase dari jumlah induk sel blast, yakni myeloblast, promyelosit
 5

dan monoblast, terhadap jenis sel darah putih lainnya. Kemiripan morfologi objek
citra merupakan dasar dari dipilihnya subtipe tersebut sebagai bahan penelitian.
Penelitian akan dilakukan dengan menggunakan teknik preprocessing pengolahan
citra untuk mendapatkan citra yang siap untuk disegmentasi dengan active contour
without edge. Objek sel myeloblast yang didapatkan kemudian akan dihitung nilai
fitur yang tepat sesuai dengan karakteristik dari masing-masing citra. Fitur hasil
ekstraksi tersebut kemudian akan diolah dengan menggunakan momentum
backpropagation artificial neural network untuk mendapatkan hasil klasifikasi
yang tepat.
Penelitan tentang klasifikasi subtipe penyakit acute myeloid leukemia M1,
M2 dan M3 dengan segmentasi active contour without edge dan momentum
backpropagation artificial neural network ini diharapkan dapat membantu
mempercepat kinerja hematologis dalam melakukan deteksi subtipe ketiga AML
tersebut. Melalui kombinasi kedua bidang ilmu tersebut diharapkan pula dapat
mengurangi tingkat kesalahan dalam klasifikasi AML sehingga pasien dapat segera
diberikan pengobatan sesuai dengan subtipe AML yang diderita.

1.7 Metodologi Penelitian

Kegiatan yang dilakukan di dalam penelitian ini antara lain :
1. Studi Literatur
Pada tahapan ini dipelajari literatur terkait subtipe AML terutama pada
M1, M2 dan M3, tipe sel, algoritma segmentasi ACWE, thresholding,
Watershed Distance Transform (WDT), operasi morfologi, ekstraksi fitur,
metode validasi dengan k-fold cross validation, serta momentum
backpropagation untuk klasifikasi data.
2. Akuisisi Data
Data yang digunakan merupakan preparat dari pasien penderita AML
subtipe M1, M2 dan M3 dari Rumah Sakit Sardjito Yogyakarta. Akuisisi
data dilakukan dengan melakukan pengamatan preparat menggunakan
mikroskop cahaya binokuler dan dilakukan pemotretan citra melalui lensa
 6

okuler. Jumlah citra yang digunakan sebanyak 99 data dengan proporsi

masing-masing subtipe AML ada 33 data citra.
3. Analisis dan Perancangan Penelitian
Rancangan alur kerja penelitian dibentuk sedemikian hingga agar proses
penelitian dapat lebih terstruktur. Rancangan penelitian meliputi
rancangan alur segmentasi sel, rancangan alur segmentasi nukleus,
rancangan metode klasifikasi dan konsep penarikan hasil klasifikasi.
4. Implementasi
Penelitan diterapkan ke dalam bentuk aplikasi untuk dapat melakukan
segmentasi citra, melakukan ekstraksi fitur dari hasil segmentasi dan
menggunakan fitur untuk mengklasifikasikan subtipe AML.
5. Pengolahan Data dan Pengujian
Tahap ini dikerjakan dengan melakukan segmentasi sesuai dengan
rancangan alur yang dibuat. Hasil segmentasi berupa fitur kemudian
dilatih dan diuji sehingga diperoleh kombinasi parameter terbaik.
6. Pembahasan Hasil dan Kesimpulan
Hasil yang diperoleh dari pelatihan dan pengujian akan dikalibrasi
sebanyak lima kali untuk mendapatkan nilai rata-rata predictive analysis.
Prediksi tipe sel pada masing-masing objek kemudian digunakan untuk
menarik kesimpulan subtipe AML pada tiap preparat.

1.8 Sistematika Penulisan

Penulisan tesis ini terbagi ke dalam 7 (tujuh) bab dengan masing-masing
penjelasan yang dapat dijabarkan sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi penjelasan secara singkat mengenai latar belakang
masalah yang mendasari penulisan tesis ini, perumusan masalah,
batasan masalah penelitian, tujuan serta manfaat penelitian, keaslian
penelitian dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
 7

Bab ini menjabarkan secara rinci mengenai hasil penelitian-

penelitian terkait bahasan tesis ini yang telah dilakukan oleh para
peneliti terdahulu, termasuk kelebihan dan kekurangan dari metode
penelitian yang kemudian digunakan dalam pembentukan kerangka
berpikir dalam penelitian.
BAB III LANDASAN TEORI
Bab ini berisi uraian tentang dasar teori citra yang berhubungan
dengan subtipe acute myeloid leukemia, dasar-dasar pengolahan
citra digital, termasuk di dalamnya adalah proses segmentasi citra
dengan active contour without edge, thresholding, operasi
morfologi, filtering dan watershed distance transform serta
pelatihan dan pengujian data menggunakan dengan algoritma
momentum backpropagation artificial neural network dengan
selapis hidden layer.
BAB IV ANALISIS DAN RANCANGAN PENELITIAN
Bab ini membahas mengenai langkah – langkah dalam perancangan
perangkat lunak meliputi perancangan alur sistem metode akuisisi
data citra, aliran data, rancangan algoritmanya hingga perancangan
analisis hasil dan evaluasi dari percobaan yang dilakukan.
BAB V IMPLEMENTASI
Bab ini berisi implementasi ke dalam perangkat lunak berdasarkan
rancangan sistem yang telah dibuat. Implementasi ini digunakan
untuk mempermudah dan mempercepat proses segmentasi dan
klasifikasi data.
BAB VI HASIL DAN PEMBAHASAN
Bab ini menjelaskan hasil penelitian dari implementasi perangkat
lunak untuk klasifikasi subtipe AML yang terdiri dari tiga tahap.
Tahap pertama adalah membahas hasil segmentasi citra WBC, yakni
dengan menganalisis objek WBC yang tersegmentasi benar maupun
yang gagal tersegmentasi beserta alasan-alasan yang mendukung
ketepatan segmentasi. Tahap kedua adalah melakukan analisis
 8

terhadap hasil ekstraksi fitur dari citra sel darah putih yang
tersegmentasi dengan benar. Tahap ketiga adalah dengan melakukan
pembahasan terhadap hasil pelatihan dan pengujian dengan
momentum backpropagation. Pengujian dilakukan untuk
mendapatkan nilai predictive analysis terbaik dengan merubah
kombinasi parameter dalam batasan error perubahan. Validasi
dilakukan dengan menggunakan k-fold cross validation untuk
menghindari terjadinya overfitting data.
BAB VII KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan yang dapat diambil dari hasil penelitian
yang telah dilakukan beserta saran yang dapat diberikan untuk
pengembangan penelitian terkait klasifikasi penyakit leukemia
selanjutnya.